Question

我尝试使用Simple XML将字符串添加到XML对象。

 $str = "<aoc> САМОЛЕТОМ ТК Адамант,  г.Домодедово, мкр-н Востряково, Центральный просп. д.12</aoc>";

$movies = new SimpleXMLElement($str);

但是它发出警告：

PHP警告：SimpleXMLElement :: __ construct（）：实体：第1行：解析器错误：第5行/home/nmo2E7/prog.php中的PCDATA无效字符值2

最后 Exception ，消息 String无法解析为XML 。

如果我删除两个Unicode字符，它可以工作（http://ideone.com/LaMvHN）：

$str = "<aoc> САМОЛЕТОМ ТК Адамант,  г.Домодедово, мкр-н Востряково, Центральный просп. д.12</aoc>";
                          ^
                           `-- two invisible characters have been removed here

如何从字符串中删除Unicode？

Answer 1

它不是Unicode，而是两个杂散字节，值为\x01和\x02。您可以使用str_replace

过滤掉它们

$s = str_replace("\x01", "", $s);
$s = str_replace("\x02", "", $s);

Answer 2

SimepleXMLElement 的构造函数需要它的第一个参数是格式良好的XML。

您传递的字符串

$str = "<aoc> САМОЛЕТОМ\x02\x01 ТК Адамант,  г.Домодедово, мкр-н Востряково, Центральный просп. д.12</aoc>";

不是格式良好的XML，因为它包含character-range of XML之外的字符，即：

Unicode字符＆＃39; START OF TEXT＆＃39; （U + 0002）二进制偏移24
Unicode字符＆＃39; START OF HEADING＆＃39; （U + 0001），二进制偏移25

因此，不要使用 SimpleXMLElement 从手工破坏的XML字符串（容易出错）创建它，而是使用它来创建XML＆＃39 ;寻找。让我们举个例子。

在下面的示例中，我假设您已经获得了要创建XML元素的文本。此示例创建一个类似于您的问题中的XML元素，区别在于完全相同的字符串作为文档元素的文本内容传递（＆＃34; <aoc>＆＃34;）。

$text     = 'САМОЛЕТОМ ТК Адамант,  г.Домодедово, мкр-н Востряково, Центральный просп. д.12';
$xml      = new SimpleXMLElement('<?xml version="1.0" encoding="UTF-8"?><aoc/>');
$xml->{0} = $text; // set the document-element's text-content to $text

如果这样做，SimpleXML会为您过滤掉任何无效的控制字符， SimpleXMLElement 保持稳定：

$str    = $xml->asXML();
$movies = new SimpleXMLElement($str);
print_r($movies);

/* output:

SimpleXMLElement Object
(
    [0] => САМОЛЕТОМ ТК Адамант,  г.Домодедово, мкр-н Востряково, Центральный просп. д.12
)

*/

所以最后回答你的问题：

如何从字符串中删除Unicode？

您不想从字符串中删除Unicode。 SimpleXML库仅接受Unicode字符串（采用UTF-8编码）。您想要的是删除对XML使用无效的Unicode字符。当您设置节点值时，SimpleXML库会为您执行此操作。

但是，如果您尝试通过构造函数或构造函数（simplexml_load_string等）加载非格式良好的XML，它将失败并给您（重要）错误。

我希望这能为您澄清情况并回答您的问题。

unicode和简单的xml错误

2 个答案: